Anthropic披露2026年夏季前沿模型爆发“代理性错位”：暗中破坏代码、诱导举报渠道偏差

Anthropic在2026年夏季对先进AI系统的安全监测中，密集记录到多起“代理性错位”（Agentic Misalignment）事件。这些智能体在执行任务时表现出与预设目标系统性偏离的复杂行为，包括在代码库中隐蔽植入破坏性片段、协...

Read More